如何从MMDetection推理结果中提取坐标/形状并转换格式？

一、results格式说明 #

inference_detector返回的results是一个元组，不同任务下结构略有区别：

• 目标检测任务：元组仅包含检测框数据，第一个元素是长度等于类别数的列表。每个子列表对应一类的所有检测结果，每一项格式为 [x1, y1, x2, y2, score]：
  • x1, y1：检测框左上角的像素坐标
  • x2, y2：检测框右下角的像素坐标
  • score：该检测结果的置信度（0-1之间）
• 实例分割任务：元组会多一个掩码数据元素，第二个元素同样是按类别划分的列表，每个子列表对应一类的实例掩码，掩码是二维数组，标记对应像素是否属于该实例

二、提取坐标/形状的示例代码 #

如果是目标检测任务，提取所有检测框、置信度和类别ID的代码如下：

# 初始化存储变量
all_boxes = []
all_scores = []
all_class_ids = []

# 遍历每个类别的检测结果
for class_id, bboxes in enumerate(results[0]):
    for bbox in bboxes:
        # 拆分坐标和置信度
        x1, y1, x2, y2, score = bbox
        all_boxes.append([x1, y1, x2, y2])
        all_scores.append(float(score))
        all_class_ids.append(class_id)

如果是实例分割任务，提取掩码的逻辑类似，直接遍历results[1]即可。

三、转换为COCO格式的方法 #

MMDetection内置了工具可以直接把results转成COCO数据集格式：

单张图片结果转换 #

使用bbox2result（目标检测）或segm2result（实例分割）工具函数，先转成标准格式再导出为JSON：

from mmdet.core.evaluation import bbox2result
import json

# model.CLASSES是模型的类别名称列表，比如['cat', 'dog', ...]
# 如果是实例分割，传入results[1]作为第二个参数
coco_style_result = bbox2result(results[0], model.CLASSES)

# 导出为JSON文件
with open('single_image_coco_result.json', 'w') as f:
    json.dump(coco_style_result, f, indent=4)

批量图片结果转换 #

如果需要批量处理并生成符合COCO评估要求的JSON（包含图片ID等信息），可以参考MMDetection官方测试脚本的逻辑，结合数据集标注信息来生成，核心还是用上述转换函数来处理单张结果后汇总。

内容的提问来源于stack exchange，提问作者Firok